Quer ir além dos frameworks de Deep Learning e implementar na mão desde os conceitos mais básicos até os mais avançados de Redes Neurais Profundas?

Quer entender de uma vez por todas a Backpropagation e ser capaz de calcular os gradientes de qualquer função derivável?

Ou ainda, quer saber como ajustar os hiperparâmetros da sua rede para atingir os melhores resultados?

Neste bootcamp totalmente prático, você vai aprender e implementar desde as arquiteturas mais básicas (Perceptron, Adaline e Neurônio Sigmoid) até os conceitos mais avançados de Redes Neurais como Dropout, Batch Normalization e Learning Rate Decay. Além disso, você também se tornará um Ninja em Backpropagation, aplicando na prática, e sendo capaz de calcular os gradientes de qualquer função derivável. Por fim, vamos implementar uma Rede Neural do zero em Python utilizando apenas a biblioteca Numpy, sem ajuda de nenhum framework. Ao final do bootcamp, você será apresentado às recomendações para ajustes de hiperparâmetros, sendo capaz de treinar seus próprios modelos para fazer regressão e classificação binária/multiclasse.

O que vou aprender na prática?

• Perceptron

• Adaline

• Neurônio Sigmoid

• Funções de Ativação

• Backpropagation

• Redes Neurais

• Learning Rate

• Momentum

• Dropout

• Regularização L1/L2

• Mini-batch GD

• Freezing

• Learning Rate Decay

• Early Stopping

• Batch Normalization

• Gradient Checking

• Recomendações para treinamento de Redes Neurais Profundas